ارائه یک الگوریتم تکاملی ترکیبی بر پایه الگوریتم ژنتیک و pso و بررسی کارایی آن در خوشه بندی بر مبنای شکل داده
Abstract
امروزه الگوریتم های تکاملی نظیر الگوریتم ژنتیک و الگوریتم بهینه سازی گروهی ذرات در حل بسیاری از مسائل پیچیده که روش های عددی قادر به حل آن نیستند و یا در حل آن دچار مشکلاتی می شوند، کاربرد دارند. مسئله خوشه بندی نیز یکی از این چنین مسائل است و با توجه به کاربرد و اهمیت بالای این موضوع، محققین همواره در پی یافتن روشی کامل و دقیق برای حل این مسئله بوده اند. اما با توجه به ماهیت این موضوع، روش های عددی موجود قابلیت حل این مسئله را ندارند و معضل پاسخ های محلی همواره در این روش ها مشکل ساز بوده است. در خوشه-بندی فازی با توجه به شکل داده این مشکل افزایش یافته و علاوه بر آن مشکل نیاز به پیش پردازش داده ها نیز به آن افزوده شده است، لذا از الگوریتم های تکاملی برای حل این مسئله استفاده شده است. اما دقت نسبتا پایین الگوریتم ژنتیک و به دام افتادن الگوریتم بهینه سازی گروهی ذرات در پاسخ های محلی از معایب بزرگ این دو روش بوده و کارایی آنها را نیز پایین می آورد. در این پایان نامه سعی شده با ترکیب این الگوریتم ها و با استفاده از نقاط قوت آنها، یعنی سرعت همگرایی بالای الگوریتم بهینه سازی گروهی ذرات و قدرت اکتشاف الگوریتم ژنتیک، الگوریتمی بدون معایب قبلی ایجاد شود. بدین منظور سه الگوریتم ترکیبی با ایده های متفاوت پیشنهاد گردیده و بعد از بررسی و بهبود با یکدیگر به رقابت گذاشته شده اند و کارایی الگوریتم برگزیده با کارایی الگوریتم های پایه مقایسه شده است. برای ارزیابی کارایی الگوریتم ها از مجموعه داده های استاندارد برای داده های توده ای و اشکال معمول و متعارف برای خوشه بندی پوسته ای استفاده شده است. معیارهای ارزیابی از بین معیارهای استاندارد خوشه بندی و فاکتورهای اعتبارسنجی خوشه بندی انتخاب شده است. در تمامی ارزیابی های انجام شده الگوریتم پیشنهادی کارایی بهتری از الگوریتم های پایه نشان داده است.